基于分类数据的分类

Question

我有一个数据集

Inp1    Inp2        Output
A,B,C   AI,UI,JI    Animals
L,M,N   LI,DO,LI    Noun
X,Y     AI,UI       Extras

对于这些值，我需要应用一个ML算法。哪种算法最适合在这些组之间找到关系，为它们分配一个输出类？

Answer 1

假设每个单元格都是一个列表(因为每个单元格中存储了多个字符串)，并且不需要特定的编码。下列各点应能发挥作用。它也可以调整，以适应不同的编码。

import pandas as pd
A = [["Inp1", "Inp2", "Inp3", "Output"],
[["A","B","C"], ["AI","UI","JI"],["Apple","Bat","Dog"],["Animals"]],
[["L","M","N"], ["LI","DO","LI"], ["Lawn", "Moon", "Noon"], ["Noun"]]]

dataframe = pd.DataFrame(A[1:], columns=A[0])

def my_encoding(row):
    encoded_row = []
    for ls in row:
        encoded_ls = []
        for s in ls:
            sbytes = s.encode('utf-8')
            sint = int.from_bytes(sbytes, 'little')
            encoded_ls.append(sint)
        encoded_row.append(encoded_ls)
    return encoded_row

print(dataframe.apply(my_encoding))

产出：

           Inp1  ...               Output
0  [65, 66, 67]  ...  [32488788024979009]
1  [76, 77, 78]  ...         [1853189966]

如果我的假设是错误的，或者这不是你想要的，请告诉我。

Answer 2

正如您所提到的，您将应用ML算法(例如分类)，我认为One热编码是您要寻找的。

请求格式：

Inp1     Inp2    Inp3      Output
7,44,87  4,65,2  47,36,20  45

这种格式不能帮助您将模型训练为单个单元格中的多个标签。然而，你必须再像，OHE，那样进行预处理。

建议格式：

A  B  C  L  M  N  X  Y  AI  DO  JI  LI  UI  Apple  Bat  Dog  Lawn  Moon  Noon  Yemen  Zombie
1  1  1  0  0  0  0  0   1   0   1   0   1      1    1    1     0     0     0      0       0
0  0  0  1  1  1  0  0   0   1   0   1   0      0    0    0     1     1     1      0       0
0  0  0  0  0  0  1  1   1   0   0   0   1      0    0    0     0     0     0      1       1

此后，您可以根据您的模型需要将encode / ohe标记为输出字段。

学习愉快！

Answer 3

BCE用于多标签分类，而分类CE用于多类分类，其中每个示例属于单个类。在您的任务中，您需要了解对于单个示例，您是否只以单个类(CE)结尾，或者单个示例可能以多个类(BCE)结尾。很可能第二个是真的，因为动物可以是名词。;)